剛剛發布特斯拉軟件更新 2023.16.3.10(即全自動駕駛 FSD 10.69)。@ACPixel 放出了新版本的發行說明。

• 在矢量車道 (Vector Lanes) 神經網絡中增加了一個新的 "深度車道引導" 模塊,該模塊將從視頻流中提取的特征與粗略的地圖數據,即車道數和車道連接性融合在一起。與以前的模型相比,這種架構在車道拓撲結構上實現了 44% 的錯誤率,在車道及其連接性變得視覺上明顯之前實現了更平滑的控制。這提供了一種方法,使每一個自動駕駛儀的駕駛效果與某人駕駛自己的通勤一樣好,但又能以足夠普遍的方式適應道路變化。

• 通過更好地模擬軌跡規劃中的系統和驅動延遲,在不犧牲延遲的情況下,提高了整體駕駛的平穩性?，F在,軌跡規劃器獨立考慮了從轉向指令到實際轉向驅動的延遲,以及加速和制動指令到驅動的延遲。這導致了一個更準確的車輛駕駛模型的軌跡。這允許更好的下游控制器跟蹤和平穩性,同時也允許在苛刻的操縱過程中做出更準確的反應。

• 在接近和離開中間交叉區域時,在高速交叉交通的情況下,改進了無保護的左轉彎,其速度曲線更合適("Chuck Cook 風格" 的無保護左轉彎)。這是通過允許可優化的初始抽動來實現的,以模仿人類在需要在高速物體前行駛時踩下的嚴厲的踏板。還改進了接近這種安全區域的側向輪廓,以允許更好的姿勢,使其在離開該區域時能很好地對齊。最后,改進了與正在進入或在中間交叉區域內等待的物體的互動,更好地模擬了它們的未來意圖。

• 增加了對來自占用網絡的任意低速移動量的控制。這也使更精確的物體形狀得到更精細的控制,這些物體不容易用立方體基元表示。這需要預測每個三維體素的速度。我們現在可以對緩慢移動的 UFO 進行控制。

• 升級了占位網絡,使用視頻而不是單一時間步驟的圖像。這種時間背景使網絡對暫時性的閉塞具有魯棒性,并能預測占用流。同時,通過語義驅動的離群點剔除、硬例挖掘和增加 2.4 倍的數據集規模,改進了基礎真相。

• 升級到一個新的兩階段架構,以產生物體運動學(如速度、加速度、偏航率),其中網絡計算被分配為 O(對象)而不是 O(空間)。這將遠處過路車輛的速度估計提高了 20%,而使用的計算量只有十分之一。

• 通過改善交通信號燈與滑行道的關聯和讓行標志與滑行道的關聯,提高了受保護的右轉彎的平穩性。這減少了沒有相關物體存在時的錯誤減速,也改善了存在時的讓行位置。

• 減少了人行橫道附近的錯誤減速。這是在根據行人和騎自行車者的運動來改進對他們意圖的理解。

• 通過全矢量車道神經網絡的更新,將自我相關車道的幾何誤差提高了 34%,交叉車道提高了 21%。通過增加每個攝像頭特征提取器、視頻模塊、自回歸解碼器內部的大小,以及增加硬性注意機制,大大改善了車道的精細位置,消除了網絡架構中的信息瓶頸。

• 在匍匐前進的時候,使速度曲線更加舒適,以便在保護可能被遮擋的物體時能更順利地停止。

• 通過將自動標記的訓練集的大小增加一倍,使動物的回憶率提高了 34%。

• 在任何有物體可能穿越自我路徑的交叉口,無論是否有交通管制,都能爬行以獲得可見性。

• 通過允許軌跡優化中的動態分辨率,提高了在有交叉物體的關鍵場景中停止位置的準確性,使其更多地關注更精細控制的區域。

• 通過讓拓撲標記參與自回歸解碼器的注意操作,以及增加訓練期間應用于分叉標記的損失,將分叉車道的召回率提高了 36%。

• 通過改進作為神經網絡輸入的車載軌跡估計,將行人和自行車的速度誤差提高了 17%,特別是當自我正在轉彎時。

• 通過調整訓練期間使用的損失函數和提高標簽質量,提高了物體檢測的召回率,消除了 26% 的遠處過路車輛的漏檢。

• 通過將偏航率和橫向運動納入似然估計,改善了高偏航率情況下的物體未來路徑預測。這有助于物體轉入或離開自我的車道,特別是在交叉路口或切入場景中。

• 通過更好地處理即將到來的地圖速度變化,提高了進入高速公路時的速度,這增加了并入高速公路的信心。

• 通過考慮領先車輛的顛簸,減少了從停止處啟動時的延遲。

• 通過評估他們當前的運動狀態和預期的制動曲線,能夠更快地識別闖紅燈者。

IT之家知悉,特斯拉的 FSD Beta 計劃目前在北美擁有大約 100000 多名公開測試人員。

在上一次財報電話會議上,馬斯克透露,FSD Beta 測試測試團隊已經行駛了超過 3500 萬英里,遠遠超過其競爭對手。到今年年底,FSD Beta 測試人員的數量可能會進一步增長。馬斯克還表示, 用于右舵的的特斯拉 Beta 版將在 2023 年底前發布。